ISO/IEC 8859-1 - ISO/IEC 8859-1
MIME / IANA | ISO-8859-1 |
---|---|
Přezdívky | iso-ir-100, csISOLatin1, latin1, l1, IBM819, CP819 |
Jazyk (y) | Angličtina , různí další |
Standard | ISO/IEC 8859 |
Klasifikace | Rozšířený ASCII , ISO 8859 |
Rozšiřuje | US-ASCII |
Na základě | DEC MCS |
Uspěl | |
Jiná související kódování | BraSCII |
ISO / IEC 8859-1: 1998 , Informační technologie - 8-bit jedno byte kódované grafické znakové sady - Část 1: Latinská abeceda No. 1 , je součástí 8859 ISO / IEC řady ASCII založené standardní kódování znaků , první vydání publikované v roce 1987. ISO 8859-1 kóduje to, co označuje jako „latinská abeceda č. 1“, skládající se ze 191 znaků z latinského písma . Toto schéma kódování znaků se používá v celé Americe , západní Evropě , Oceánii a velké části Afriky . Je to základ pro některé populární 8bitové znakové sady a první dva bloky znaků v Unicode .
ISO-8859-1 bylo (alespoň podle standardu) výchozím kódováním dokumentů doručovaných přes HTTP s typem MIME začínajícím na „text/“ ( HTML5 to změnilo na Windows-1252 ). V říjnu 2021 používá 1,2% všech (ale pouze 5 z 1 000 nejlepších) webů ISO 8859-1 . Jedná se o nejvíce deklarované jednobajtové kódování znaků na světě na webu, ale jak jej webové prohlížeče interpretují jako nadmnožinu Windows-1252, dokumenty mohou obsahovat znaky z této sady.
V závislosti na zemi může být použití mnohem vyšší, než je celosvětový průměr, např. V Německu s 5,1% (včetně Windows-1252 s 5,6%).
ISO-8859-1 bylo výchozím kódováním hodnot určitých popisných záhlaví HTTP a definovalo repertoár znaků povolených v dokumentech HTML 3.2 a je specifikováno mnoha dalšími standardy. Tato a podobné sady jsou často považovány za kódování 8bitového textu v systému Unix a Microsoft Windows, pokud neexistuje žádná značka pořadí bajtů (BOM); toto se jen postupně mění na UTF-8 .
ISO-8859-1 je preferovaný název IANA pro tuto normu, když je doplněn o řídicí kódy C0 a C1 z ISO/IEC 6429 . Zaregistrovány jsou následující další aliasy: iso-ir-100 , csISOLatin1 , latin1 , l1 , IBM819 . V systému Windows se pro něj používá kódová stránka 28591 neboli Windows-28591 . IBM tomu říká kódová stránka 819 nebo CP819 ( CCSID 819). Oracle tomu říká WE8ISO8859P1 .
Dosah
Každý znak je kódován jako jedna hodnota osmibitového kódu. Tyto hodnoty kódu lze použít v téměř jakémkoli systému pro výměnu dat ke komunikaci v následujících jazycích (i když mohou vyloučit správné uvozovky, jako například pro mnoho jazyků včetně němčiny a islandštiny):
Moderní jazyky s úplným pokrytím
- Poznámky
Jazyky s neúplným pokrytím
ISO-8859-1 byla běžně používána pro určité jazyky, přestože postrádá znaky používané těmito jazyky. Ve většině případů chybí pouze několik písmen nebo se používají jen zřídka a lze je nahradit znaky uvedenými v ISO-8859-1 pomocí nějaké formy typografické aproximace . Následující tabulka uvádí takové jazyky.
Jazyk | Chybějící postavy | Typické řešení | Podporováno |
---|---|---|---|
Katalánština | Ŀ , ŀ (zastaralé) | L ·, l · | |
dánština | Ǿ , ǿ (přízvuk je volitelný a ǿ je velmi vzácný) | Ø, ř nebo ře | |
holandský | IJ , ij (ale s diskutabilním statusem ); j ve zdůrazněných slovech jako „blíjf“ | digrafy IJ, ij; blíjf | |
estonština | Š , š, Ž , ž (pouze v zápůjčních slovech) | Sh, sh, Zh, zh | ISO-8859-15 , Windows-1252 |
Finský | Š , š, Ž , ž (pouze v zápůjčních slovech) | Sh, sh, Zh, zh | ISO-8859-15 , Windows-1252 |
francouzština | Œ , œ a velmi vzácné Ÿ | digrafy OE, oe; Y nebo Ý | ISO-8859-15 , Windows-1252 |
Němec | ẞ (hlavní ß, používané pouze ve všech hlavních městech; zahrnuto v oficiálním pravopise v roce 2017, stále nepovinné) | digraf SS | |
maďarský | Ő , ő, Ű , ű | Ö, ö, Ü, ü | ISO/IEC 8859-2 , Windows-1250 |
Irština ( tradiční pravopis ) | Ḃ, ḃ, Ċ, ċ, Ḋ, ḋ, Ḟ, ḟ, Ġ, ġ, Ṁ, ṁ, Ṗ, ṗ, Ṡ, ṡ, Ṫ, ṫ | Bh, bh, Ch, ch, Dh, dh, Fh, fh, Gh, gh, Mh, mh, Ph, ph, Sh, sh, Th, th | ISO-8859-14 |
turečtina | Ş , ş | ||
velština | Ẁ , ẁ, Ẃ , ẃ, Ŵ , ŵ, Ẅ , ẅ, Ỳ , ỳ, Ŷ , ŷ, Ÿ | W, w, Y, y, Ý, ý | ISO-8859-14 |
Písmeno ÿ , které se ve francouzštině objevuje jen velmi zřídka, hlavně v názvech měst jako L'Haÿ-les-Roses a nikdy na začátku slov, je obsaženo pouze v malé formě. Slot odpovídající jeho velké formě je obsazen malým písmenem ß z německého jazyka, který v době vytvoření standardu neměl velký formát .
Uvozovky
U některých jazyků uvedených výše, správná typografické uvozovky chybí, jako jediný « »
, " "
a ' '
jsou zahrnuty. Toto schéma také neposkytuje orientované (ve tvaru 6 nebo 9) jednoduché nebo dvojité uvozovky. Některá písma budou zobrazovat mezerový přízvuk (0x60) a apostrof (0x27) jako odpovídající dvojici orientovaných jednoduchých uvozovek, ale toto není považováno za součást moderního standardu.
Dějiny
ISO 8859-1 byla založena na Multinational Character Set (MCS) používaném společností Digital Equipment Corporation (DEC) v populárním terminálu VT220 v roce 1983. Byla vyvinuta v rámci Evropské asociace výrobců počítačů (ECMA) a publikována v březnu 1985 jako ECMA -94, pod kterým jménem je ještě někdy známý. Druhé vydání ECMA-94 (červen 1986) také zahrnovalo ISO 8859-2 , ISO 8859-3 a ISO 8859-4 jako součást specifikace.
Původní návrh ISO 8859-1 umístil francouzský Œ a œ u bodů kódu 215 (0xD7) a 247 (0xF7), jako je tomu v MCS. Delegát z Francie, který nebyl lingvistou ani typografem, však nepravdivě uvedl, že se nejedná o nezávislá francouzská písmena sama o sobě, ale o pouhé ligatury (jako fi nebo fl ), podporované delegátským týmem z Bull Publishing Company , který pravidelně v té době netiskli francouzštinu s Œ/œ v jejich domácím stylu. Anglofonní delegát z Kanady trval na zachování Œ/œ ale byl odmítnut francouzským delegátem a týmem z Bullu. Tyto kódové body byly brzy naplněny × a ÷ na návrh německé delegace. Podpora francouzštiny byla dále snížena, když bylo opět falešně uvedeno, že písmeno ÿ není „francouzské“, což má za následek absenci hlavního města Ÿ . Ve skutečnosti se písmeno ÿ nachází v řadě francouzských vlastních jmen a velké písmeno bylo použito ve slovnících a encyklopediích. Tyto znaky byly přidány do ISO/IEC 8859-15: 1999 . BraSCII odpovídá původnímu návrhu.
V roce 1985 Commodore přijal ECMA-94 pro svůj nový operační systém AmigaOS . Dopadová jehličková tiskárna Seikosha MP-1300AI, používaná s Amigou 1000, obsahovala toto kódování.
V roce 1990 používala úplně první verze Unicode kódové body ISO-8859-1 jako prvních 256 kódových bodů Unicode.
V roce 1992 zaregistrovala IANA mapu znaků ISO_8859-1: 1987 , známější spíše pod jejím preferovaným názvem MIME ISO-8859-1 (všimněte si další pomlčky nad ISO 8859-1), nadmnožinou ISO 8859-1, pro použití na internetu . Tato mapa přiřazuje řídicí kódy C0 a C1 nepřiřazeným hodnotám kódu, takže poskytuje 256 znaků prostřednictvím všech možných 8bitových hodnot.
Rozložení kódové stránky
_0 | _1 | _2 | _3 | _4 | _5 | _6 | _7 | _8 | _9 | _A | _B | _C | _D | _E | _F | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0_ 0 |
||||||||||||||||
1_ 16 |
||||||||||||||||
2_ 32 |
SP 0020 |
! 0021 |
„ 0022 |
# 0023 |
0024 $ |
% 0025 |
& 0026 |
„ 0027 |
( 0028 |
) 0029 |
* 002A |
+ 002B |
, 002C |
- 002D |
. 002E |
/ 002F |
3_ 48 |
0 0030 |
1 0031 |
2 0032 |
3 0033 |
4 0034 |
5 0035 |
6 0036 |
7 0037 |
8 0038 |
9 0039 |
: 003A |
; 003B |
< 003C |
= 003D |
> 003E |
? 003F |
4_ 64 |
@ 0040 |
0041 |
B 0042 |
C 0043 |
D 0044 |
E 0045 |
F 0046 |
G 0047 |
H 0048 |
Já 0049 |
J 004A |
K 004B |
L 004C |
M 004D |
N 004E |
O 004F |
5_ 80 |
P 0050 |
Q 0051 |
R 0052 |
S 0053 |
T 0054 |
U 0055 |
V 0056 |
W 0057 |
X 0058 |
Y 0059 |
Z 005A |
[ 005B |
\ 005C |
] 005D |
^ 005E |
_ 005F |
6_ 96 |
` 0060 |
0061 |
b 0062 |
c 0063 |
d 0064 |
e 0065 |
f 0066 |
g 0067 |
h 0068 |
já 0069 |
j 006A |
k 006B |
l 006C |
m 006D |
n 006E |
o 006F |
7_ 112 |
p 0070 |
q 0071 |
r 0072 |
s 0073 |
t 0074 |
u 0075 |
v 0076 |
w 0077 |
x 0078 |
y 0079 |
z 007A |
{ 007B |
| 007C |
} 007D |
~ 007E |
|
8_ 128 |
||||||||||||||||
9_ 144 |
||||||||||||||||
A_ 160 |
NBSP 00A0 |
¡ 00A1 |
¢ 00A2 |
£ 00A3 |
A 00A4 |
¥ 00A5 |
A 00A6 |
§ 00A7 |
A 00A8 |
© 00A9 |
A 00AA |
« 00AB |
¬ 00AC |
SHY 00AD |
® 00AE |
¯ 00AF |
B_ 176 |
° 00B0 |
± 00B1 |
² 00B2 |
³ 00B3 |
" 00B4 |
µ 00B5 |
¶ 00B6 |
· 00B7 |
¸ 00B8 |
¹ 00B9 |
º 00BA |
» 00BB |
¼ 00 př |
½ 00 BD |
¾ 00 BE |
¿ 00BF |
C_ 192 |
À 00C0 |
Á 00C1 |
 00C2 |
à 00C3 |
Ä 00C4 |
Å 00C5 |
C 00C6 |
C 00C7 |
È 00C8 |
É 00C9 |
Ê 00CA |
Ë 00CB |
Ì 00CC |
Í 00CD |
Î 00 n. L |
Ï 00CF |
D_ 208 |
Ð 00D0 |
Ñ 00D1 |
Ò 00D2 |
Ó 00D3 |
Ô 00D4 |
Õ 00D5 |
Ö 00D6 |
× 00D7 |
Ř 00D8 |
Ù 00D9 |
Ú 00DA |
Û 00 dB |
„ 00 DC |
" 00DD. " |
Þ 00DE |
ß 00DF |
E_ 224 |
od 00E0 |
á 00E1 |
â 00E2 |
ã 00E3 |
ä 00E4 |
å 00E5 |
æ 00E6 |
ç 00E7 |
č 00E8 |
é 00E9 |
ê 00EA |
' 00EB |
ì 00EC |
í 00ED |
v 00EE |
ï 00EF |
F_ 240 |
ð 00F0 |
ñ 00F1 |
ò 00F2 |
o 00F3 |
ô 00F4 |
õ 00F5 |
ö 00F6 |
÷ 00F7 |
ř 00F8 |
ù 00F9 |
ú 00FA |
û 00FB |
ü 00FC |
ý 00FD |
þ 00FE |
F 00FF |
Dopis Číslo Interpunkce Symbol jiný Nedefinováno Nedefinováno v prvním vydání ECMA-94 (1985). V původním návrhu však Œ byl v kódovém bodě 215 (0xD7) a œ byl v kódovém bodě 247 (0xF7).
Podobné znakové sady
ISO/IEC 8859-15
ISO/IEC 8859-15 byla vyvinuta v roce 1999 jako aktualizace ISO/IEC 8859-1. Obsahuje některé znaky pro francouzský a finský text a znak eura , které v ISO/IEC 8859-1 chybí. To vyžaduje odstranění některých zřídka používané znaky z ISO / IEC 8859-1, včetně frakce symbolů a písmen bez diakritikou: ¤
, ¦
, ¨
, ´
, ¸
, ¼
, ½
, a ¾
. Paradoxně, tři z nově přidaných znaky ( Œ
, œ
, a Ÿ
) již byla přítomna v DEC je 1983 Multinational znakové sadě (MCS), předchůdce na ISO / IEC 8859-1 (1987). Protože jejich původní kódové body byly nyní znovu použity pro jiné účely, postavy musely být znovu zavedeny pod jinými, méně logickými kódovými body.
ISO-IR-204, drobnější modifikace, byla zaregistrována v roce 1998 a změnila ISO-8859-1 nahrazením znaku univerzální měny (¤) znakem eura (stejná náhrada jako v ISO-8859-15).
Windows-1252
Populární znaková sada Windows-1252 přidává všechny chybějící znaky poskytované normou ISO/IEC 8859-15 a řadu typografických symbolů tím, že nahrazuje zřídka používané ovladače C1 v rozsahu 128 až 159 ( hexadecimální 80 až 9F). Je velmi běžné nesprávně označovat text Windows-1252 jako v ISO-8859-1. Běžným výsledkem bylo, že všechny uvozovky a apostrofy (vytvořené „inteligentními uvozovkami“ v softwaru pro zpracování textu) byly v operačních systémech jiných než Windows nahrazeny otazníky nebo rámečky, což znesnadňovalo čtení textu. Mnoho webových prohlížečů a e-mailových klientů bude interpretovat řídicí kódy ISO-8859-1 jako znaky Windows-1252 a toto chování bylo později standardizováno v HTML5 .
Mac Roman
Počítač Apple Macintosh představil kódování znaků s názvem Mac Roman v roce 1984. Měl být vhodný pro západoevropské desktopové publikování . Je to nadmnožina ASCII a má většinu znaků, které jsou v ISO-8859-1 a všechny další znaky z Windows-1252, ale ve zcela jiném uspořádání. Těch několik tisknutelných znaků, které jsou v ISO 8859-1, ale ne v této sadě, je často zdrojem potíží při úpravách textu na webech pomocí starších prohlížečů Macintosh, včetně poslední verze aplikace Internet Explorer pro Mac .
jiný
DOS měl kódovou stránku 850 , která měla všechny tisknutelné znaky, které měla ISO-8859-1 (i když v úplně jiném uspořádání), plus nejpoužívanější grafické znaky z kódové stránky 437 .
V letech 1989 až 2015 použila společnost Hewlett-Packard na mnoha svých kalkulačkách další nadmnožinu ISO-8859-1. Tato proprietární znaková sada byla někdy také jednoduše označována jako „ECMA-94“.
Viz také
- Latinské písmo v Unicode
- Unicode
- Univerzální znaková sada
- UTF-8
- Kódové stránky Windows
- ISO/IEC JTC 1/SC 2
Reference
externí odkazy
- ISO/IEC 8859-1: 1998
- ISO/IEC FDIS 8859-1: 1998-8bitové jednobajtové kódované grafické znakové sady, Část 1: Latinská abeceda č. 1 (návrh ze dne 12. února 1998, publikován 15. dubna 1998)
- Standardní sady ECMA-94: 8bitové jednobajtové kódované sady grafických znaků-latinské abecedy č. 1 až č. 2, 2. vydání (červen 1986)
- ISO-IR 100 pravá část latinské abecedy č. 1 (1. února 1986)
- Databáze dopisů
- Czyborra, Roman (01.12.1998). „Abecední polévka ISO 8859“ . Archivováno od originálu dne 2016-12-01 . Citováno 2016-12-01 . [1] [2]